本课程为精品课，您可以登录eeworld继续观看： 多层类神经网络 2. 反向传播算法继续观看 课时1：课程介绍 课时2：智能控制系统概论 1.自动控制系统 课时3：智能控制系统概论 2.计算智能 课时4：智能控制系统概论 3.模糊逻辑系统 课时5：智能控制系统概论 4.演化计算 课时6：智能控制系统概论 5.类神经网络 课时7：模糊集合 1.明确集合 课时8：模糊集合 2.模糊集合 课时9：模糊集合 3.模糊集合之基本概念 课时10：模糊集合 4.模糊归属函数 课时11：模糊集合 5.模糊集合之运算 课时12：模糊逻辑 1.明确关系 课时13：模糊逻辑 2.模糊关系 课时14：模糊逻辑 3.扩展原理 课时15：模糊逻辑 4.语言变数 课时16：模糊逻辑 5.模糊规则 课时17：模糊逻辑 6.模糊推论 课时18：模糊控制系統(一) 1. 模糊推论系统 课时19：模糊控制系統(一) 2. Matlab程式编写 课时20：模糊控制系統(一) 3.冷气机之模糊控制 课时21：模糊控制系統(一) 4. 洗衣机之模糊控制 课时22：模糊控制系統(一) 5. Sugeno模糊模型 课时23：模糊控制系統(二) 1. 直流马达模糊控制 课时24：模糊控制系統(二) 2. 倒立摆模糊控制 课时25：模糊控制系統(二) 3. 倒车入库模糊控制 课时26：模糊控制系統(二) 4. 机器人模糊控制 课时27：T-S模糊控制系統(一) 1. T-S模糊模型 课时28：T-S模糊控制系統(一) 2. 平行分布补偿 课时29：T-S模糊控制系統(一) 3. 李雅普诺夫稳定定理 课时30：T-S模糊控制系統(一) 4. 闭回路T-S模糊系統稳定定理 课时31：T-S模糊控制系統(一) 5. 闭回路T-S模糊系统稳定定理 课时32：T-S模糊控制系统(二) 1. 线性矩阵不等式 课时33：T-S模糊控制系统(二) 2. 衰退率T-S模糊控制器设计 课时34：T-S模糊控制系统(二) 3. 倒立摆T-S模糊控制 课时35：T-S模糊控制系统(二) 4. 双向充放电器T-S模糊控制 课时36：T-S模糊控制系统(二) 5. 机器人T-S模糊控制 课时37：二进位基因演算法(一) 1. 梯度下降法 课时38：二进位基因演算法(一) 2. 基因演算法特性 课时39：二进位基因演算法(一) 3. 二进位编码与解码 课时40：二进位基因演算法(一) 4. 初始族群 课时41：二进位基因演算法(一) 5. 适应函数 课时42：二进位基因演算法(二) 1. 天择运算 课时43：二进位基因演算法(二) 2. 交配运算 课时44：二进位基因演算法(二) 3. 突变运算 课时45：二进位基因演算法(二) 4. 菁英政策 课时46：二进位基因演算法(二) 5. 基因演算法之参数分析 课时47：基于基因演算法之控制系统 1. 基于基因演算法之函数极值 课时48：基于基因演算法之控制系统 2. 控制系统时域响应与PID控制器 课时49：基于基因演算法之控制系统 3. 基于基因演算法之最佳PID控制 课时50：基于基因演算法之控制系统 4. 基于基因演算法之强健PID控制 课时51：进阶基因演算法 1. 实数型基因演算法 课时52：进阶基因演算法 2. 基于实数型基因演算法之控制系统 课时53：进阶基因演算法 3. 格雷编码 课时54：进阶基因演算法 4.适应函数线性缩放 课时55：进阶基因演算法 5. 适应函数标准差縮放 课时56：基于粒子群最佳化法之控制系统 1. 粒子群最佳化法之原理 课时57：基于粒子群最佳化法之控制系统 2. 基于粒子群最佳化法之函数极值 课时58：基于粒子群最佳化法之控制系统 3. 粒子群最佳化法之参数分析 课时59：基于粒子群最佳化法之控制系统 4. 基于粒子群最佳化法之PID控制 课时60：基于粒子群最佳化法之控制系统 5. 基于粒子群最佳化法之强健PID控制 课时61：基于演化计算之模糊控制系统 1. 主轴马达伺服系統 课时62：基于演化计算之模糊控制系統 2. 基于基因演算法之模糊控制 课时63：基于演化计算之模糊控制系統 3. 机械手臂控制系統 课时64：基于演化计算之模糊控制系统 4. 基于基因演算法之T-S模糊控制 课时65：基于演化计算之模糊控制系統 5. 基磁浮控制系統 课时66：基于演化计算之模糊控制系統 6. 基于粒子群最佳化法之T-S模糊控制 课时67：单层类神经网络 1. 类神经元模型 课时68：单层类神经网络 2.感知机 课时69：单层类神经网络 3. 感知机应用案例 课时70：单层类神经网络 4. 适应线性元件 课时71：单层类神经网络 5. 适应线性元件应用范例 课时72：多层类神经网络 1. 多层神经网络架构 课时73：多层类神经网络 2. 反向传播算法 课时74：多层类神经网络 3. XOR闸 课时75：多层类神经网络 4. 函数近似 课时76：多层类神经网络 5. 多层神经网络应用范例 课时77：类神经网络控制系统(一) 1. 类神经网络控制系统 课时78：类神经网络控制系统(一) 2.类神经网络模式预测控制 课时79：类神经网络控制系统(一) 3.引擎类神经网络温度控制 课时80：类神经网络控制系统(一) 4.直流马达类神经网络控制 课时81：类神经网络控制系统(二) 1. 类神经网络模式参考控制 课时82：类神经网络控制系统(二) 2.机器手臂系统识别 课时83：类神经网络控制系统(二) 3.机器手臂类神经网络控制 课时84：类神经网络控制系统(二) 4.倒车入库神经网络控制 课时85：模糊类神经网络控制系统 1. 适应性类神经模糊推论系统 课时86：模糊类神经网络控制系统 2. 混合学习演算法 课时87：模糊类神经网络控制系统 3. 离散动态控制系统 课时88：模糊类神经网络控制系统 4. 倒车入库控制系统 课程介绍共计88课时，21小时5分41秒 智能控制系统 智能控制系统是一种使用各种基于人工智能计算方法的自动控制系统，例如模糊逻辑控制系统，基于基因算法控制系统，以及类神经网络控制系统。 上传者：桂花蒸 猜你喜欢 英飞凌致力于高能效的半导体解决方案 2015电源设计研讨会: 多相同步升压型变换器(2) PSoC创意项目展示：基于PSoC3的直线超声电机的精密定位系统 使用STM32 Nucleo撬开针对物联网的ARM mbed IDE之门 电源设计小贴士37：折中选择输入电容纹波电流的线压范围 直播回放: MPS 电感解决方案，助力更好的开关电源设计 EZ-BLE PRoC低功耗蓝牙模块介绍 隔离式CAN收发器的关键考虑因素 热门下载 MAX5544 AD5247,pdf datasheet (Digital Potentiometer) TPS2340A 双槽 PCI 和 PCIX 1.0 热插拔电源控制器 利用AD9788TxDAC和ADL5372正交调制器实现单边带发射机中.pdf 基于CORTEX_M0与uIP的串口以太网转换器的设计 Lua scripting language combined with FEMM 4.0 stm32f407学习版LCD显示驱动程序 wave format document 实用开关电源设计 欧姆龙PLC编程软件CX-Programmer7.1 简体中文版 热门帖子 fade in / fade out 这个月一直有个问题让我困扰着我.在CE中是否可以真正意义上的实现相对于屏幕弹出的窗口或是图片淡入淡出(弹出时)?就是说.在mobile屏幕上(而不是你自己写的窗口或是其它你程序中的背景图片上),一个窗口淡入淡出.或是一个图片淡入淡出.我说的不是在你的窗口基础上再淡入淡出.而是在屏幕上.总结实现有这几种方法:1建立分层窗口.窗口风格为WS_EX_LAYERED............下面实现不用再说了.因为mobile不支持分层窗口.2使用特定API---AnimateWindo frankie17 关于zigbee的VB上位机代码 哪位大侠有关于zigbee的VB上位机代码？江湖救急关于zigbee的VB上位机代码我有的，加我qq可以问我要的有zigbee与上位机通信的软件吗？ 天外飞仙哥 直流源滤波退藕电容 新人求助：大家好！我想请问一下；例如下图直流源滤波电容怎么分配？在PCB布板上电容是分配到IC的每一个引脚，但是例如下图的这种有些不太明白是怎么分配的。我明白滤波电容都是一大一小并联的，但如下图的情况：IC引脚共7个pin，分为VDD和VDDQ两种类型，但是大的电容有八个小电容有7个。该怎么分配？对于VDD的供电是否随着离直流源的距离而逐步调整大的滤波电容值变小（如C368\C370\C371）？下图最大的有有极性的电解电容是否为全局电容，然后余下的七个值稍大的电容和下面的7个值稍微小的电容 BaihuXianzi DSP芯片的分类 DSP的芯片可以按照以下的三种方式进行分类。1、按基础特性分这是根据DSP芯片的工作时钟和指令类型来分类的。如果DSP芯片在某时钟频率范围内的任何频率上能正常工作，除计算速度有变化外，没有性能的下降，这类DSP芯片一般称之为静态DSP芯片。如果有两种或两种以上的DSP芯片,它们的指令集和相应的机器代码机管脚结构相互兼容，则这类DSP芯片称之为一致性的DSP芯片。2、按数据格式分这是根据DSP芯片工作的数据格式来分类的。数据以定点格式工作的DSP芯片称之为定点DSP芯 bolibo123 VS1053的引脚AGND和DGND可以直接连接吗 VS1053的引脚AGND和DGND可以直接连接吗？不是说会有干扰的吗，而要用电阻或磁珠去间接连接？那对于DGND和AGND,PCB布线的时候又需要注意什么呢？VS1053的引脚AGND和DGND可以直接连接吗正好做过，通过磁珠连接的，磁珠。单板信号复杂的话容易受干扰就最好严格设计，小信号、数字、电源的地分开，其中单点接地是重点 好的，谢谢！！ 反倒是fdsf 射频配置问题 用smartRFstudio7对寄存器进行配置：---------------------------------------------------------------------------------------------------配置1basefrequencychannelnumberchannelspacingcarrierfrequencyXtalfrequ qiwan 网友正在看 拼板的实战演示 小波应用09 射频识别技术（RFID）（十一） 超前滞后校正的原理介绍 认识内核 全差分放大器及失真 部分分式分解法——情况1 基于TI Jacinto™ 的深度学习平台 Part2
